妇科癌症192Ir HDR近距离放疗基于模型剂量计算算法的临床测试用例
这些数据集建立在AAPM/ESTRO/ABS/ABG联合工作组(WGDCAB)此前开发的、临床相关的测试用例基础之上,旨在支持近距离放疗应用中基于模型剂量计算算法(MBDCA)的调试

基本信息
资源简介
妇科癌症192Ir HDR近距离放疗基于模型剂量计算算法的临床测试用例
这些数据集建立在AAPM/ESTRO/ABS/ABG联合工作组(WGDCAB)此前开发的、临床相关的测试用例基础之上,旨在支持近距离放疗应用中基于模型剂量计算算法(MBDCA)的调试
Clinical test cases for model-based dose calculation algorithm commissioning, QA and benchmarking, for 192Ir HDR brachytherapy of gynecologic cancers
【数据集背景】
源站首次发布:2025。
【数据内容】
源站描述(机器翻译,仅供参考):当前数据集随研究论文《Clinical test cases for model-based dose calculation algorithm commissioning, QA and benchmarking, for 192Ir HDR brachytherapy of gynecologic cancers》一同发布,该论文由Vasiliki Peppa、Maude Robitaille、Fatemeh Akbari、Shirin A. Enger、Rowan M. Thomson、Firas Mourtada和Gabriel P. Fonseca提交至Medical Physics(2025)。这些数据集建立在AAPM/ESTRO/ABS/ABG联合工作组(WGDCAB)此前开发的、临床相关的测试用例基础之上,旨在支持近距离放疗应用中基于模型剂量计算算法(MBDCA)的调试。数据集包含两个测试用例,基于一例匿名、具有代表性的宫颈癌患者,该患者使用宫腔管和环形施源器接受腔内¹⁹²Ir HDR近距离放疗。剂量学计算使用两种市售治疗计划系统完成。
【主题与分类】
主题标签:妇科测试用例、commissioning、MBDCA、Monte Carlo、宫颈癌。本站分类:肿瘤/宫颈癌。
【获取与许可】
源站页面:https://zenodo.org/doi/10.5281/zenodo.15720996
使用许可:Creative Commons Attribution 4.0 International。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://doi.org/10.5281/zenodo.15720996
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 1.38 GB。
数据说明
当前数据集伴随研究论文《用于妇科癌症192Ir HDR近距离放射治疗的基于模型剂量计算算法调试、QA和基准测试的临床测试案例》,该论文由Vasiliki Peppa、Maude Robitaille、Fatemeh Akbari、Shirin A. Enger、Rowan M. Thomson、Firas Mourtada和Gabriel P. Fonseca于2025年提交至Medical Physics。这些数据集基于AAPM/ESTRO/ABS/ABG联合工作组(WGDCAB)先前开发的临床相关测试案例,旨在支持近距离放射治疗应用中基于模型剂量计算算法(MBDCAs)的调试。数据集包含两个测试案例,基于一名匿名代表性宫颈癌患者,采用宫腔内192Ir HDR近距离放射治疗,使用 tandem and ring 施源器。剂量学计算使用两套采用MBDCAs的商用治疗计划系统(TPSs)以及三种蒙特卡罗(MC)代码进行,以生成参考剂量学数据。
内容:参考TPS——包含患者模型的111张合成CT图像、RT结构集(RS)、RT计划(RP)以及使用MBDCA算法计算的RT剂量(RD),均为DICOM RT格式。参考MC——包含相同的DICOM文件,其中RD数据对应于使用MCNP进行MC模拟的结果。用户指南——一份PDF文档,提供使用患者模型进行TPS MBDCA测试的说明。MC输入文件——执行研究中呈现的蒙特卡罗模拟所需的文件。使用:如果您使用这些数据集,请引用原始论文,并使用DOI引用数据集:https://doi.org/10.5281/zenodo.15720996
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




